基于QPSO-RVM 模型的大坝变形预测研究

大坝与安全 ›› 2020 ›› Issue (1): 32-.

基于QPSO-RVM 模型的大坝变形预测研究

李乾德¹，王东² ，李啸啸¹，刘健¹

1. 雅砻江流域水电开发有限公司，四川成都，610051；2. 四川大学水利水电学院，四川成都，610065

收稿日期:2019-05-30 修回日期:2019-07-25 出版日期:2020-02-08 发布日期:2020-02-08
作者简介:李乾德（1993— ），男，四川巴中人，硕士，从事水利水电工程管理、坝工安全监测管理工作。

Research on dam deformation prediction based on QPSO-RVM model

LI Qiande, WANG Dong, LI Xiaoxiao and LIU Jian

Yalong River Hydropower Development Co., Ltd.

Received:2019-05-30 Revised:2019-07-25 Online:2020-02-08 Published:2020-02-08

摘要/Abstract

摘要： 根据相关向量机（RVM）原理，选择合适的核函数类型，运用量子粒子群（QPSO）算法对核参数进行优化运算，建立QPSO-RVM模型。运用QPSO-RVM模型对大坝变形监测数据进行预测，并将预测成果与多元统计回归分析成果进行对比研究。结果表明，QPSO-RVM模型的拟合及预测精度明显优于多元统计回归模型，具有工程运用价值。

关键词: 相关向量机, 核参数, 量子粒子群, 大坝变形, 预测

Abstract: Based on the principles of Relevant Vector Machine (RVM), appropriate type of kernel function is selected, Quantum Particle Swarm Optimization (QPSO) algorithm is used to optimize the kernel parameters, and the QPSO-RVM model is established. The QPSO-RVM model is applied to predict dam deformation monitoring data, and comparison between the prediction results and the results from multivariate statistical regression analysis is carried out. The result shows that the fitting and prediction accuracy of QPSO-RVM model is obviously better than that of multivariate statistical regression model, which has practical application value.

Key words: RVM, kernel parameter, QPSO, dam deformation, prediction

李乾德，王东,李啸啸，刘健. 基于QPSO-RVM 模型的大坝变形预测研究[J]. 大坝与安全, 2020, 0(1): 32-.

LI Qiande, WANG Dong, LI Xiaoxiao and LIU Jian. Research on dam deformation prediction based on QPSO-RVM model[J]. Dam & Safety, 2020, 0(1): 32-.

[1]	李乾德，王东，李啸啸，刘健. 改进的LMD 模型在大坝变形监测数据特征量分离中的运用[J]. 大坝与安全, 2019, 0(4): 24-27.
[2]	李小伟. 官地水电站复杂环境北斗/GPS 组合定位大坝变形监测精度测试分析[J]. 大坝与安全, 2019, 0(2): 55-.
[3]	李林云，韩其婷，王启贵. 瓯江口新区真空预压加固软土地基变形规律研究[J]. 大坝与安全, 2018, 0(4): 30-36.
[4]	鄢永辉. 灰色系统模型在大坝变形预测中的应用[J]. 大坝与安全, 2014, 0(5): 32-.
[5]	张宗申¹，周建郑²，张春燕¹. 基于GBSAR的微变形监测系统应用研究[J]. 大坝与安全, 2013, 0(6): 19-23.
[6]	邹祖建¹，邱志鹏². 一种适用于大渡河流域梯级电站的发电量预测新方法[J]. 大坝与安全, 2013, 0(4): 14-16.
[7]	方卫华，徐兰玉，乐国兴，梅星. 改进粒子群算法在大坝力学参数分区反演中的应用[J]. , 2012, 0(3): 30-34.
[8]	陆鹏. 基于GPS实时大坝变形监测系统设计研究[J]. , 2012, 0(3): 39-41.
[9]	彭虹. 三谈变形监测自动化中的几个问题[J]. , 2011, 0(2): 17-23.
[10]	何丹，刘超. 基于统计分析的土石坝震害预测[J]. , 2010, 0(6): 21-26.
[11]	闫坤，马宇燕，贡保臣，王建业. 量水堰观测数据分析方法的讨论[J]. , 2009, 0(3): 44-46.
[12]	陈龙. 大金坪引水隧洞围岩岩爆灾害预测[J]. , 2009, 0(1): 87-90.
[13]	彭虹. 再谈变形监测自动化中的几个问题[J]. , 2008, 0(5): 22-25.
[14]	李智录，张真真. 支持向量机在大坝渗流监测中的应用[J]. , 2008, 0(1): 21-24.
[15]	彭虹. 大坝变形监测自动化中的几个问题[J]. , 2007, 0(1): 34-37.